摘要：
1.对AI的一些概念
2.基本面分析与利润预测
3.全面认识$英伟达(NVDA.US)$在未来的布局
1.对AI的一些概念
「贵吗？TITAN XP不就一万块而已，我玩游戏想买还买不到！上次我们实验室也就才买了8块做深度学习训练，还一块块攒了好久。」 这句话是我的一个土豪朋友跟我讲的，吓得我服从二项式分布了。
$苹果(AAPL.US)$
这是一块NVIDIA目前已经开始发货的用于深度学习的最强GPU，Tesla V100，120Tflops，900GB/s的带宽。缺点是贵，但是却能快速用在各大深度学习框架上，$谷歌(GOOG.US)$的Tensorflow，Pytorch, MXnet等。
这个不就是你的小仙女luna嘛？如果你用4K以上的显示器看这个Final Fantasy XV，非常震撼，居然有些东西会随着行走振动，这可是渲染出来的啊，动作毫无违和感，非常流畅，至于什么在振动我就不告诉你啦，自己去找来看看呗，里面的人物非常细腻，但更要命的是脸部表情等细节和动作渲染结果不亚于真人高清电影，是不是意味着以后可以少去电影院了？今天七夕哦~
将来的高端游戏只会越来越往真实的体验发展，而这些都需要GPU加速器的渲染。
人工智能快来啦！人工智能在哪里？在哪里？
好了，梯子拿去，不谢！
看什么看，没见过我是大名鼎鼎的O’Really出版么？
严肃点！我想说no，毕竟严肃了各位就闪退了。
下面开始正经的咯，需要一定的耐心噢~
2.基本面分析与利润预测
下面要讲的是一些基本面和公司盈利的预测，注意我不是想要预测股价哦~
以下是$英伟达(NVDA.US)$过去的每股收益，股息相关的图表，橙线是20倍PE，蓝线是28.6倍PE，黑线为股票价格，白线是股息，截止目前动态p/e(TTM)值约为46。浅绿色的是股息支付后的偏离，毕竟每股收益和股息都与股票价格息息相关的，也都应该作为是公司盈利预测的一部分。从NVIDIA的历史图线可以看到，20倍PE应该是一个公允的市盈率，没错就是那条橙色的线，相当于历史上公司的盈利增长率。
有点神奇的地方是，2013年开始支付股息，当时收益率居然还不到1％，难道这信号是一个买点？而且当时老黄依然坚持研发最强GPU，2011年也全面开始了人工智能的布局。等我们还没看明白，突然之间15年开始加速上涨直到今天。
做价值投资，投资的是未来的盈利，也需要参考历史，准确地说，做投资，一部分参考的是过去，另一部分是投资未来。但是公司股价突然间飙涨，盈利也大幅成长，也有很好的基本面和光明的前景，我拿99-17年这么大时间跨幅的数据来参考是不是显得很不合适？我觉得10年之前的参考，这个权重应该降低甚至干脆不看了。
既然预测未来盈利，那我就从它启动点2015年开始看到2020年，整个5年的图看看。2015年财年增长了43％。
在2016财年增长了18％，然后到2017财年，截至2017年1月的收入增长率为83％！！！巨大的加速和增长有木有！！！接着的是分析师预计今年将增长32％，这个32%数字保不保守，接下来看看数据来估测吧。
在前面历史数据那个图，公允PE是20倍，当我们从这个长期的角度看，nvidia股价看起来被大大地高估了。再看这个5年的图，盈利增长大致31%，也就是PE为31倍，看起来依然被高估了，但并非前一个图那么那么大。
目前nvidia的市盈率约45倍，这个市盈率包含过去一部分和未来的一部分，股息收益率低至4％，市值980亿美元，24％的债务，标准普尔评级BBB- ，这些数字看起来还是挺好的，但真正的关键是未来，大家怎么看呢？
作为一个佬斯基，本能地应该去他官网看看啥情况。
大约一半的收入来自游戏，游戏显卡界最大的玩家。人工智能，图像处理，数据中心，自动驾驶...好多方面都是业界第一，而且这些都是潜在的巨大增长引擎，所以为啥华尔街佬斯基感到很兴奋。
小斯基我也去查了它的Alexa全球(这个是好像$亚马逊(AMZN.US)$的产品吧？）网站流量，nvidia的官网排名也是数倍地增长。
在2014年1月-2015年，23位分析师预测为0.92美元，结果是1.42美元，涨幅为0.5美元，超预期35％；2016年预测1.41美元，结果是1.67美元，涨幅为0.26美元或超预期16％；2017年财年分析师预测为1.70美元，结果为3.06美元，涨幅为1.36美分，超预期44％！
当我看了许多分析师的文章后，给出的NVIDIA FY18的EPS预测为3.5，3.6美元，分析师给出的预测很少会低于这个3.55，说明这个最保守估计是3.55美元。也有很多激进的分析师给出5，6美元的样子。前面已经看到了，近几年保守的分析师都不太靠谱，都低估了NVIDIA。假设来一个激进的预测，2018财年超预期40%可否？也就是EPS为5美元，毕竟现在PE是45倍，也就是盈利增长大致是35%-45%。所以我用一个工具，给出EPS为5刀，分别用历史的公允PE=25，PE=30，PE=40，生成三幅图，注意看那条橙线，看看在这三种情况下，股价是否严重高估了。注意啊，我这里不是要预测股价，而是预测目前股价和将来的盈利预测是否严重脱节。
可以看到，当给出PE=30，确实高估了一些，当给出PE=40，股价很符合将来的盈利期望，运行得很完美。
对于有了一定规模公司，脱离市场规模，资本实力，市场份额，时间和品牌影响力，纯粹只谈技术的先进性，又或者脱离一定的技术优势完全只谈市场等，这两种极端都是不科学的，鲁莽的。目前，$英伟达(NVDA.US)$在这些地方都比较均衡，也占有较大的优势，所以大家也都是比较看好的。
红色gpm，蓝色npm分别代表毛利率和净利率，可以看到净利率在2017年加速成长，几乎是过去的两倍，极好的基本面，投资者貌似看到了非常乐观的前景，这也是nvidia在华尔街很火的一个原因。
再来一张图，让大家对nvidia的近8年的营收有个清晰的概念，近三四年逐年实现一定的成长（FY指的是fiscal year, 即会计年度）FY14：-3.5%、FY15：13.4%、FY16：7.0%，突然之间在FY17爆发式增长，达到了恐怖的37.9%，你很难想象一家搞硬件的芯片巨头突然之间能够有如此巨大的成长。现在大概知道了，NVIDIA在16年到17仅仅一年的时间内股价飙涨了三倍之多的原因所在！NVIDIA是怎么做到的？黄教授说了：我们也就20年多前开始专注图形运算芯片，在十年前开发CUDA统一计算架构，在6年前全面布局人工智能，当时要求所有工程师立刻学习深度学习技术，于是到了2017年，英伟达从上到下所有的人都在着手研究人工智能。我怎么突然发现，我现在所认识的NVIDIA可能是个假的芯片公司吧？！
「要勇于认错，永远自信地面对失败。」AI教父黄仁勋这样告诫那些创业初期的年轻人。
3.认识NVIDIA在未来的布局
高端游戏
截止2016年，nvidia在游戏方面占去了76%的市场份额。
17年NVIDIA市场份额随着AMD推出的最新GPU将会有所降低，但我怎么感觉好像不会呀，毕竟我到$京东(JD.US)$，$阿里巴巴(BABA.US)$的天猫等电商平台看了看，点了销量排名，排在前面的清一色的都是NVIDIA的，AMD的GPU根本没啥销量，难道卖光了，被拿去挖比特币了？
自动驾驶
这位小姐姐开着特斯拉$特斯拉(TSLA.US)$，好像非常嗨，居然忘记了自己是在驾驶座上的女司机！
这是特斯拉的model 3的产能曲线，按照这个曲线，保守估计用在特斯拉上的GPU，价格$1-3K, 预测30-50%的利润，Q3之前这笔收入将会是$9.75 million。这还不包括model s，model x以及其他自动驾驶车厂的订单，在自动驾驶上的收入便可以轻松挑战三倍以上的成长，虽然这只是模糊的预估，但依然值得期待，毕竟这么多大厂合作伙伴，奥迪，奔驰，丰田，沃尔沃，宝马，本田，此外，还有一大批卡车大厂。
开源Xavier DLA
一般人是不会注意到这个消息的，但这个特别特别重要啊！Nvidia作为最为领先的AI硬件大厂，如此级别的玩家突然说要开源这种类似TPU的神秘硬件了，或许引起产业的巨变。我在想它是不是要暗示$谷歌A(GOOGL.US)$和特斯拉$特斯拉(TSLA.US)$的ASIC以及其他的做类似事情的startup讲，你们都别玩，快到碗里来吧，小伙伴们一起玩耍。也就是说，nvidia也在研发类似于XPU (TPU, IPU) 的加速器，并且开源硬件（谷歌的TPU可不出售也不开源的哦）；Xavier中有的任务将会跑在DLA上，而不是GPU上。
很难想象第一个开源AI硬件架构的居然出自大厂nvidia之手，毕竟硬件设计是一个周期很长，门槛也非常高的工作。但最终怎么样，还是要靠效果说话的，毕竟AI时代，没有真本事的公司会越来越难混。
数据中心
腾讯云
腾讯云支持的GPU目前只有Tesla M40，难道在等Volta ？
阿里云
阿里云目前支持购买的GPU云服务：
> GPU 计算型gn4 M40
> GPU 可视化计算ga1 S7150
> GPU 通用计算型gn5 Tesla P100
从这里会发现，其实仅只有ga1是$美国超微公司(AMD.US)$的，而且仅仅是用来可视化计算的，例如，图像应用开发，3D建模，影像制作，并不适合AI计算。但是细细想，很少研究机构会在云上用它来开展可视化计算，并且用n卡一样也可以用作可视化计算。或者gn4有其他用途吧，大家或许可以研究下是否能拿来挖比特币，不知道阿里云电费贵不贵呢？
FPGA对GPU数据中心的冲击，目前来看，国外云厂商也开始了对FPGA的支持，而国内的厂商还在邀测中，FPGA需要花很多的时间，很大的人才成本去建一个架构，时间上也消耗不来。
深度学习框架对nvidia GPU的支持
只卖硬件而不做服务，或者只做服务而没有硬件，都难以建立起一个完好的生态，虽然拥有其中一项优势短期内可以拿下市场，但是，长远来看，缺任何一个都是不利的。NVIDIA是个打造标准化的公司，十年前统一计算架构CUDA就奠定了今天GPU的地位。
黄教主在2017的GTC上说了这么一句话让我印象特别深刻，我就不翻译了，保留原汁原味，小伙伴们用心感受。
"Since we worded at the architecture level, at the system level, at the system software level, at the algorithm level and then we worked at the application level. The reason for that is because if you want to overcome thelimitations of data scaling, you’re going to have to do something pretty clever and you have to think across every single possible layer of computing to find an efficiencies to get rid of wasting to do special and smart things. This way of doing computing top to bottom then bottom to top, top to bottom then bottom to top dedicated to one single architecture. Over the cross the last 10 years the results have been phenomenal."
以下是支持GPU加速库—cuDNN库（Deep Neural Network library ）的深度学习框架，谷歌的Tensorflow，mxnet，Pytorch，$Facebook(FB.US)$的Caffe2等。他和小伙伴们从来没有现在这么多，2016 cuda的下载量超过一百万！
从事深度学习的工作一般会有两大挑战，一个是需要安装部署深度学习框架、库、操作系统和驱动程序等，二是利用最新的GPU计算资源来训练神经网络。你很难想象以后只需要拥有一个英伟达账号，就能根据需要付费使用PC、DGX或NGC的任意一个平台上开展人工智能的应用，从栈的搭建，驱动，库，SDK的支持，NVIDIA GPU CLOUD 都帮你搞定，无需一次又一次做重复性的工作(don’t repeat yourself)
如果一个人工智能领域的创业公司或者刚刚布局人工智能的较大规模的公司想要快速在云端部署，结合开源的深度学习框架和GPU加速器，这无疑是更快速的途径。云计算大厂都支持NVIDIA GUP Cloud啊，现在的云计算大厂要是没有GPU加速器，都不好意思出去宣传自己的云计算服务了。
IP/OEM
注意，这里的IP并不单单是矿卡加速器，很有可能就是类似TPU之类的AI芯片，比如即将开源的Xavier DLA，人工智能的战火已经烧到了IP上的竞争了，也难怪nvidia也把这个营收独立体现出来，nvidia并没有公开说这个是什么，但佬斯基们都懂。OEM有可能就是指矿卡，比如gtx1060。这个方面的增长极其惊人。
至于股价和N卡贵不贵，仁者见仁智者见智，要买要卖没人阻止，市场都是相对公平的。有些东西市场有需求，恰恰没有太多的选择的时候，始终会有人出高价去买的，并且可怕的是这些人还不觉得贵了，这就是我们需要跟踪数据的原因，而不是仅凭着自己想象认为自己是对的。
最后，留下这个图让大家去思考吧。
各位，你们怎么看呢？
閱讀更多 富途證券 的文章
